Corso di formazione Introduction to Pre-trained Models
I modelli pre-addestrati sono una pietra miliare dell'intelligenza artificiale moderna, in quanto offrono funzionalità predefinite che possono essere adattate per una varietà di applicazioni. Questo corso introduce i partecipanti ai fondamenti dei modelli pre-addestrati, alla loro architettura e ai loro casi d'uso pratici. I partecipanti impareranno come sfruttare questi modelli per attività come la classificazione del testo, il riconoscimento delle immagini e altro ancora.
Questo corso di formazione dal vivo con istruttore (online o in loco) è rivolto a professionisti di livello principiante che desiderano comprendere il concetto di modelli pre-addestrati e imparare ad applicarli per risolvere problemi del mondo reale senza costruire modelli da zero.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Comprendere il concetto e i vantaggi dei modelli pre-addestrati.
- Esplora varie architetture di modelli pre-addestrati e i relativi casi d'uso.
- Ottimizza un modello pre-addestrato per attività specifiche.
- Implementa modelli pre-addestrati in semplici progetti di Machine Learning.
Formato del corso
- Lezione e discussione interattiva.
- Un sacco di esercizi e pratica.
- Implementazione pratica in un ambiente live-lab.
Opzioni di personalizzazione del corso
- Per richiedere una formazione personalizzata per questo corso, contattateci per l'organizzazione.
Struttura del corso
Introduction to Pre-trained Models
- Cosa sono i modelli pre-addestrati?
- Vantaggi dell'utilizzo di modelli pre-addestrati
- Panoramica dei modelli pre-addestrati più diffusi (ad esempio, BERT, ResNet)
Informazioni sulle architetture dei modelli pre-addestrati
- Nozioni di base sull'architettura del modello
- Trasferire i concetti di apprendimento e messa a punto
- Modalità di creazione e addestramento dei modelli pre-addestrati
Configurazione dell'ambiente
- Installazione e configurazione di Python e delle librerie pertinenti
- Esplorazione di repository di modelli pre-addestrati (ad esempio, Hugging Face)
- Caricamento e test di modelli pre-addestrati
Hands-on con modelli pre-addestrati
- Utilizzo di modelli con training preliminare per la classificazione del testo
- Applicazione di modelli pre-addestrati alle attività di riconoscimento delle immagini
- Ottimizzazione di modelli pre-addestrati per set di dati personalizzati
Distribuzione di modelli con training preliminare
- Esportazione e salvataggio di modelli ottimizzati
- Integrazione di modelli nelle applicazioni
- Nozioni di base sulla distribuzione di modelli in produzione
Sfide e best practice
- Informazioni sulle limitazioni del modello
- Evitare l'overfitting durante la messa a punto
- Garantire l'uso etico dei modelli di IA
Tendenze future nei modelli pre-addestrati
- Architetture emergenti e loro applicazioni
- Progressi nell'apprendimento di trasferimento
- Esplorazione di modelli linguistici di grandi dimensioni e modelli multimodali
Riepilogo e passaggi successivi
Requisiti
- Conoscenza di base dei concetti di machine learning
- Familiarità con la programmazione Python
- Conoscenze di base sulla gestione dei dati utilizzando librerie come Pandas
Pubblico
- Scienziati dei dati
- Appassionati di intelligenza artificiale
I corsi di formazione interaziendali richiedono più di 5 partecipanti.
Corso di formazione Introduction to Pre-trained Models - Booking
Corso di formazione Introduction to Pre-trained Models - Enquiry
Corsi in Arrivo
Corsi relativi
AdaBoost Python for Machine Learning
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e ingegneri del software che desiderano utilizzare AdaBoost per creare algoritmi di boosting per l'apprendimento automatico con Python.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Configura l'ambiente di sviluppo necessario per iniziare a creare modelli di apprendimento automatico con AdaBoost.
- Comprendere l'approccio dell'apprendimento d'insieme e come implementare il potenziamento adattivo.
- Scopri come creare modelli AdaBoost per potenziare gli algoritmi di apprendimento automatico in Python.
- Utilizzare l'ottimizzazione degli iperparametri per aumentare la precisione e le prestazioni dei modelli AdaBoost.
Anaconda Ecosystem for Data Scientists
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist che desiderano utilizzare l'ecosistema Anaconda per acquisire, gestire e distribuire pacchetti e flussi di lavoro di analisi dei dati in un'unica piattaforma.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Installare e configurare Anaconda componenti e librerie.
- Comprendere i concetti fondamentali, le caratteristiche e i vantaggi di Anaconda.
- Gestisci pacchetti, ambienti e canali utilizzando Anaconda Navigator.
- Usa i pacchetti Conda, R e Python per l'analisi scientifica dei dati e l'apprendimento automatico.
- Scopri alcuni casi d'uso pratici e tecniche per la gestione di più ambienti di dati.
AutoML with Auto-Keras
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ai data scientist e alle persone meno tecniche che desiderano utilizzare Auto-Keras per automatizzare il processo di selezione e ottimizzazione di un modello di apprendimento automatico.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Automatizza il processo di addestramento di modelli di machine learning altamente efficienti.
- Cerca automaticamente i parametri migliori per i modelli di deep learning.
- Crea modelli di Machine Learning estremamente accurati.
- Usa la potenza dell'apprendimento automatico per risolvere i problemi aziendali del mondo reale.
AutoML
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a tecnici con un background nell'apprendimento automatico che desiderano ottimizzare i modelli di apprendimento automatico utilizzati per rilevare modelli complessi nei big data.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Installa e valuta vari strumenti open source AutoML (H2O AutoML, auto-sklearn, TPOT, TensorFlow, PyTorch, Auto-Keras, TPOT, Auto-WEKA, ecc.)
- Addestra modelli di machine learning di alta qualità.
- Risolvi in modo efficiente diversi tipi di problemi di apprendimento automatico supervisionato.
- Scrivi solo il codice necessario per avviare il processo di apprendimento automatico automatizzato.
Creating Custom Chatbots with Google AutoML
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a partecipanti con diversi livelli di esperienza che desiderano sfruttare la piattaforma AutoML di Google per creare chatbot personalizzati per varie applicazioni.
Al termine di questa formazione, i partecipanti saranno in grado di:
- Comprendere i fondamenti dello sviluppo di chatbot.
- Naviga in Google Cloud Platform e accedi a AutoML.
- Preparare i dati per l'addestramento dei modelli di chatbot.
- Addestra e valuta modelli di chatbot personalizzati usando AutoML.
- Distribuisci e integra i chatbot in varie piattaforme e canali.
- Monitora e ottimizza le prestazioni del chatbot nel tempo.
DataRobot
7 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e analisti di dati che desiderano automatizzare, valutare e gestire modelli predittivi utilizzando le funzionalità di apprendimento automatico di DataRobot.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Carica i set di dati in DataRobot per analizzare, valutare e controllare la qualità dei dati.
- Crea e addestra modelli per identificare variabili importanti e raggiungere gli obiettivi di previsione.
- Interpreta i modelli per creare informazioni preziose utili per prendere decisioni aziendali.
- Monitora e gestisci i modelli per mantenere prestazioni di previsione ottimizzate.
Data Mining with Weka
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ad analisti di dati e data scientist di livello principiante e intermedio che desiderano utilizzare Weka per eseguire attività di data mining.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Installare e configurare Weka.
- Comprendere l'ambiente Weka e l'ambiente di lavoro.
- Eseguire attività di data mining utilizzando Weka.
Google Cloud AutoML
7 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist, analisti di dati e sviluppatori che desiderano esplorare AutoML prodotti e funzionalità per creare e distribuire modelli di formazione ML personalizzati con il minimo sforzo.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Esplora la linea di prodotti AutoML per implementare diversi servizi per vari tipi di dati.
- Prepara ed etichetta i set di dati per creare modelli ML personalizzati.
- Addestra e gestisci i modelli per produrre modelli di machine learning accurati ed equi.
- Effettua previsioni utilizzando modelli addestrati per soddisfare gli obiettivi e le esigenze aziendali.
Kaggle
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano apprendere e costruire la propria carriera in Data Science utilizzando Kaggle.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Scopri di più sulla scienza dei dati e sull'apprendimento automatico.
- Esplora l'analisi dei dati.
- Scopri di più su Kaggle e su come funziona.
Machine Learning for Mobile Apps using Google’s ML Kit
14 oreQuesto corso di formazione dal vivo con istruttore (online o in loco) è rivolto agli sviluppatori che desiderano utilizzare Google's ML Kit per creare modelli di apprendimento automatico ottimizzati per l'elaborazione su dispositivi mobili.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Configura l'ambiente di sviluppo necessario per iniziare a sviluppare funzionalità di machine learning per le app per dispositivi mobili.
- Integra le nuove tecnologie di apprendimento automatico nelle app Android e iOS utilizzando le API ML Kit.
- Migliora e ottimizza le app esistenti utilizzando l'SDK ML Kit per l'elaborazione e la distribuzione sul dispositivo.
Accelerating Python Pandas Workflows with Modin
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano utilizzare Modin per creare e implementare calcoli paralleli con Pandas per un'analisi più rapida dei dati.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Configura l'ambiente necessario per iniziare a sviluppare Pandas flussi di lavoro su larga scala con Modin.
- Comprendere le caratteristiche, l'architettura e i vantaggi di Modin.
- Conosci le differenze tra Modin, Dask e Ray.
- Esegui Pandas operazioni più velocemente con Modin.
- Implementa l'intera API e le funzioni Pandas.
Machine Learning with Random Forest
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e ingegneri del software che desiderano utilizzare Random Forest per creare algoritmi di apprendimento automatico per set di dati di grandi dimensioni.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Configura l'ambiente di sviluppo necessario per iniziare a creare modelli di machine learning con la foresta casuale.
- Comprendere i vantaggi di Random Forest e come implementarlo per risolvere problemi di classificazione e regressione.
- Scopri come gestire set di dati di grandi dimensioni e interpretare più alberi decisionali in Random Forest.
- Valutare e ottimizzare le prestazioni del modello di Machine Learning ottimizzando gli iperparametri.
Advanced Analytics with RapidMiner
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto ad analisti di dati di livello intermedio che desiderano imparare a utilizzare RapidMiner per stimare e proiettare i valori e utilizzare strumenti analitici per la previsione delle serie temporali.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Impara ad applicare la metodologia CRISP-DM, a selezionare gli algoritmi di machine learning appropriati e a migliorare la costruzione e le prestazioni del modello.
- Utilizzare RapidMiner per stimare e proiettare i valori e utilizzare strumenti analitici per la previsione delle serie temporali.
RapidMiner for Machine Learning and Predictive Analytics
14 oreRapidMiner è una piattaforma software open source per la scienza dei dati per la prototipazione e lo sviluppo rapido di applicazioni. Include un ambiente integrato per la preparazione dei dati, l'apprendimento automatico, l'apprendimento profondo, il text mining e l'analitica predittiva.
In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno a utilizzare RapidMiner Studio per la preparazione dei dati, l'apprendimento automatico e la distribuzione di modelli predittivi.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Installare e configurare RapidMiner
- Preparare e visualizzare i dati con RapidMiner
- Convalidare i modelli di Machine Learning
- Combina i dati e crea modelli predittivi
- Rendi operativa l'analitica predittiva all'interno di un processo aziendale
- Risoluzione dei problemi e ottimizzazione RapidMiner
Pubblico
- Scienziati dei dati
- Ingegneri
- Gli sviluppatori
Formato del corso
- In parte lezione, in parte discussione, esercizi e pratica pratica pesante
Nota
- Per richiedere una formazione personalizzata per questo corso, contattateci per l'organizzazione.
GPU Data Science with NVIDIA RAPIDS
14 oreQuesto corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano utilizzare RAPIDS per creare pipeline di dati, flussi di lavoro e visualizzazioni accelerate da GPU, applicando algoritmi di apprendimento automatico, come XGBoost, cuML, ecc.
Al termine di questo corso di formazione, i partecipanti saranno in grado di:
- Impostare l'ambiente di sviluppo necessario per costruire modelli di dati con NVIDIA RAPIDS.
- Comprendere le caratteristiche, i componenti e i vantaggi di RAPIDS.
- Sfrutta GPU per accelerare le pipeline di dati e analisi end-to-end.
- Implementare la preparazione dei dati accelerata GPU e l'ETL con cuDF e Apache Arrow.
- Scopri come eseguire attività di machine learning con gli algoritmi XGBoost e cuML.
- Crea visualizzazioni di dati ed esegui analisi grafiche con cuXfilter e cuGraph.